我Saac Newton Apocryphally发现了他的第二律 - 关于引力的一个 - 在苹果摔倒在他的脑袋之后。稍后的实验和数据分析，他意识到了力量，质量和加速之间存在基本关系。他制定了一个理论来描述这种关系 - 可以表达为等式的关系，f = ma - 并用它来预测苹果以外的物体的行为。他的预测结果是对的（如果并不总是足够精确，因为那些稍后的人）。
第二个是人类对无理论科学来说非常不舒服。我们不喜欢处理黑匣子 - 我们想知道为什么。
普林斯顿心理学家在现有理论中延伸仍然可以解释的是可解释的。但随着他们揭示越来越复杂的，它将变得更少 - 这一过程的逻辑高潮是Facebook或alphafold体现的无论是无论无论是无论如何的预测发动机。
Ai Sumit Chopra是一个考虑机器学习在纽约大学的医疗保健的科学家，给出了MRI图像的例子。它需要很多原始数据 - 因此扫描时间 - 产生这样的图像，这不一定是您的目标是准确检测，例如癌症的最佳使用该数据。您可以培训AI以确定原始数据的较小部分足以产生准确的诊断，而是通过其他方法验证，并且实际上是Chopra的组已经这样做。但放射科医生和患者仍然依赖于图像。 “我们人类更舒适地对我们的眼睛可以解释的2D形象，”他说。